коммуникация. DPD

Цифровой predistorter

Описание

Система comm.DPD object™ применяет цифровое предварительное искажение (DPD) к комплексному основополосному сигналу при помощи полинома памяти, чтобы компенсировать нелинейность в усилителе мощности. Для получения дополнительной информации смотрите Цифровое Предварительное искажение.

Предварительно исказить сигналы:

Создайте объект comm.DPD и установите его свойства.
Вызовите объект с аргументами, как будто это была функция.

Чтобы узнать больше, как Системные объекты работают, смотрите то, Что Системные объекты? MATLAB.

Создание

Синтаксис

dpd = comm.DPD

dpd = comm.DPD(Name,Value)

Описание

dpd = comm.DPD создает цифровой predistorter Системный объект, чтобы предварительно исказить сигнал.

пример

dpd = comm.DPD(Name,Value) свойства наборов с помощью одной или нескольких пар "имя-значение". Например, comm.DPD('PolynomialType','Cross-term memory polynomial') конфигурирует predistorter Системный объект, чтобы предварительно исказить входной сигнал при помощи полинома памяти с перекрестными условиями. Заключите каждое имя свойства в кавычки.

Свойства

развернуть все

Если в противном случае не обозначено, свойства являются ненастраиваемыми, что означает, что вы не можете изменить их значения после вызова объекта. Объекты блокируют, когда вы вызываете их, и функция release разблокировала их.

Если свойство является настраиваемым, можно изменить его значение в любое время.

Для получения дополнительной информации об изменении значений свойств смотрите Разработку системы в MATLAB Используя Системные объекты (MATLAB).

`PolynomialType` — Полиномиальный тип
`'Memory polynomial'` (значение по умолчанию) | `'Cross-term memory polynomial'`

Полиномиальный тип используется для предварительного искажения, заданного как одно из этих значений:

'Memory polynomial' — Предварительно искажает входной сигнал при помощи полинома памяти без перекрестных условий.
'Cross-term memory polynomial' — Предварительно искажает входной сигнал при помощи полинома памяти с перекрестными условиями.

Для получения дополнительной информации смотрите Цифровое Предварительное искажение.

`Coefficients` — Полиномиальные памятью коэффициенты
`complex([1 0 0 0 0; 0 0 0 0 0; 0 0 0 0 0])` (значение по умолчанию) | матрица

Полиномиальные памятью коэффициенты, заданные как матрица. Количество строк в матрице должно равняться глубине памяти полинома памяти.

Если PolynomialType является 'Memory polynomial', количество столбцов в матрице является степенью полинома памяти.
Если PolynomialType является 'Cross-term memory polynomial', количество столбцов в матрице должно равняться m (n-1) +1. m является глубиной памяти полинома, и n является степенью полинома памяти.

Для получения дополнительной информации смотрите Цифровое Предварительное искажение.

Типы данных: double
Поддержка комплексного числа: Да

Использование

Синтаксис

out = dpd(in)

Описание

пример

out = dpd(in) предварительно искажает комплексный основополосный сигнал при помощи полинома памяти, чтобы компенсировать нелинейность в усилителе мощности.

Входные параметры

развернуть все

`\in` Введите основополосный сигнал
вектор-столбец

Введите основополосный сигнал, заданный как вектор-столбец.

Типы данных: double
Поддержка комплексного числа: Да

Выходные аргументы

развернуть все

`out` — Предварительно искаженный основополосный сигнал
вектор-столбец

Предварительно искаженный основополосный сигнал, возвращенный как вектор-столбец той же длины как входной сигнал.

Функции объекта

Чтобы использовать объектную функцию, задайте Системный объект как первый входной параметр. Например, чтобы выпустить системные ресурсы Системного объекта под названием obj, используйте этот синтаксис:

release(obj)

развернуть все

Характерный для всех системных объектов

`step`	Запустите алгоритм Системного объекта
`release`	Высвободите средства и позвольте изменения в значениях свойств Системного объекта и введите характеристики
`reset`	Сбросьте внутренние состояния Системного объекта

Примеры

развернуть все

Предварительно исказите входной сигнал усилителя мощности

Скрипт Open Live Script

Примените цифровое предварительное искажение (DPD) к входному сигналу усилителя мощности. Содействующий Системный объект средства оценки DPD использует полученный сигнал, содержащий сигналы ввода и вывода усилителя мощности определить матрицу коэффициентов перед искажением.

Загрузите файл, содержащий сигналы ввода и вывода для усилителя мощности.

load('commpowamp_dpd_data.mat','PA_input','PA_output')

Сгенерируйте содействующий Системный объект средства оценки DPD, и повышенная передача косинуса фильтруют Системный объект.

estimator = comm.DPDCoefficientEstimator( ...
    'DesiredAmplitudeGaindB',10, ...
    'PolynomialType','Memory polynomial', ...
    'Degree',5,'MemoryDepth',3,'Algorithm','Least squares');

rctFilt = comm.RaisedCosineTransmitFilter('OutputSamplesPerSymbol',2);

Оцените цифровые коэффициенты полинома памяти перед искажением.

coef = estimator(PA_input,PA_output);

Сгенерируйте Системный объект DPD с помощью coef, предполагаемых коэффициентов вывод от содействующего средства оценки DPD, что касается матрицы коэффициентов.

dpd = comm.DPD('PolynomialType','Memory polynomial', ...
    'Coefficients',coef);

Сгенерируйте 2 000 случайных символов и примените 16-QAM модуляцию к сигналу. Примените повышенную фильтрацию передачи косинуса к модулируемому сигналу.

s = randi([0,15],2000,1);
u = qammod(s,16);
x = rctFilt(u);

Примените цифровое предварительное искажение к данным. Системный объект DPD возвращает предварительно искаженный сигнал обеспечить, как введено к усилителю мощности.

y = dpd(x);

Формат матрицы коэффициентов для цифрового полинома памяти перед искажением

Скрипт Open Live Script

Это примеры показывает формат матрицы коэффициентов для полинома памяти DPD при помощи случайным образом сгенерированной матрицы коэффициентов. Пример:

Создает сконфигурированное использование Системного объекта цифрового предварительного искажения матрицы коэффициентов полинома памяти с набором глубины памяти к 3 и полиномиальным набором степени к 5, состоящему из случайных значений.
Предварительно искажает сигнал с помощью полиномиальной памятью матрицы коэффициентов.
Выдерживает сравнение тот предварительно исказил выходной элемент к соответствующему входному элементу, который был вручную вычислен с помощью полиномиальной памятью матрицы коэффициентов.

Создайте матрицу коэффициентов, представляющую predistorter с выводом, равным входу путем генерации матрицы коэффициентов 3 на 5 нулей и установки элемента coef(1,1) на 1. Добавьте маленькие случайные комплексные нелинейные условия в матрицу коэффициентов.

coef = zeros(3,5);
coef(1,1) = 1;
coef = coef + 0.01*(randn(3,5)+1j*randn(3,5));

Создайте Системный объект DPD с помощью матрицы коэффициентов полинома памяти, coef.

dpd = comm.DPD('PolynomialType','Memory polynomial','Coefficients',coef);

Сгенерируйте входной сигнал и предварительно исказите его с помощью Системного объекта dpd.

x = randn(20,1) + 1j*randn(20,1);
y = dpd(x);

Сравните вручную искаженный вывод для входа соответствующий выходной элемент y(18), чтобы показать, как матрица коэффициентов используется, чтобы вычислить что конкретное выходное значение.

u = x(18:-1:(18-3+1));
isequal(y(18),sum(sum(coef.*[u u.*abs(u) u.*(abs(u).^2) u.*(abs(u).^3) u.*(abs(u).^4)])))

ans = logical
   1

Формат матрицы коэффициентов перекрестного термина для цифрового полинома памяти перед искажением

Скрипт Open Live Script

Создает сконфигурированное использование цифрового predistorter Системного объекта матрицы коэффициентов полинома памяти перекрестного термина с набором глубины памяти к 3 и полиномиальным набором степени к 5, состоящему из случайных значений.
Предварительно искажает сигнал с помощью матрицы коэффициентов полинома памяти перекрестного термина.
Выдерживает сравнение тот предварительно исказил выходной элемент к соответствующему входному элементу, который был вручную вычислен с помощью матрицы коэффициентов полинома памяти перекрестного термина.

coef = zeros(3,3*(5-1)+1);
coef(1,1) = 1;
coef = coef + 0.01*(randn(3,13) + 1j*randn(3,13));

Создайте Системный объект DPD с помощью матрицы коэффициентов полинома памяти перекрестного термина, coef.

dpd = comm.DPD('PolynomialType','Cross-term memory polynomial','Coefficients',coef);

Сгенерируйте входной сигнал и предварительно исказите его с помощью Системного объекта dpd.

x = randn(20,1) + 1j*randn(20,1);
y = dpd(x);

u = x(18:-1:(18-3+1));
isequal(y(18),sum(sum(coef.*[u u*abs(u.') u*(abs(u.').^2) u*(abs(u.').^3) u*(abs(u.').^4)])))

ans = logical
   1

Больше о

развернуть все

Цифровое предварительное искажение

Передачи радиосвязи обычно требуют широкой передачи сигнала пропускной способности по широкому динамическому диапазону сигнала. Чтобы передать сигналы по широкому динамическому диапазону и достигнуть высокой эффективности, усилители ВЧ-мощности (ПЕРВЕНСТВО) обычно действуют в их нелинейной области. Когда эта схема совокупности показывает, нелинейное поведение PA вызывает искажения сигнального созвездия, которые зажимают амплитуду (искажение AM-AM) и скручивают фазу (искажение AM-PM) совокупности указывает пропорциональный амплитуде точки совокупности.

Цель цифрового предварительного искажения состоит в том, чтобы найти нелинейную функцию, которая линеаризует результирующий эффект PA нелинейное поведение в PA вывод через рабочий диапазон PA. Когда входом PA является x (n), и функцией перед искажением является f (u (n)), где u (n) является истинным сигналом, который будет усилен, PA, вывод приблизительно равен G ×u (n), где G является желаемым амплитудным усилением PA.

Цифровой predistorter может быть сконфигурирован, чтобы использовать полином памяти с или без перекрестных условий.

Полином памяти с перекрестными условиями предварительно искажает входной сигнал как

$x (n) = f (u (n)) ≜ \sum_{m =0}^{M - 1} c_{m} \times u (n - m) + \sum_{m =0}^{M - 1} \sum_{j =0}^{M - 1} \sum_{k =0}^{K - 1} a_{m j k} \times u (n - m) \times | u (n - j) |^{k} .$

Полином памяти с перекрестными условиями имеет (M +M×M× (K-1)) коэффициенты для _cm и a _mjk.
Полином памяти без перекрестных условий предварительно искажает входной сигнал как

$x (n) = f (u (n)) ≜ \sum_{m =0}^{M - 1} \sum_{k =0}^{K - 1} a_{m k} \times u (n - m) \times | u (n - m) |^{k} .$
Полином без перекрестных условий имеет M ×K коэффициенты для _amk.

Оценка функции перед искажением и коэффициентов

Содействующая оценка DPD использует косвенную архитектуру изучения, чтобы найти, что функциональный f (u (n)) предварительно искажает входной сигнал u (n), который предшествует входу PA.

Содействующие модели алгоритма оценки DPD нелинейные эффекты памяти PA на основе работы в ссылочных статьях Моргана, и др. [1 год], и Schetzen [2], с помощью теоретической основы разрабатываются для систем Волтерры.

А именно, обратное отображение от PA вывод, нормированный усилением PA, {y (n)/G}, к входу PA, {x (n)}, предоставляет хорошее приближение функциональному f (u (n)), должен был предварительно исказить {u (n)}, чтобы произвести {x (n)}.

Что касается уравнений полинома памяти выше, оценки вычисляются для полиномиальных памятью коэффициентов:

_cm и _amjk для полинома памяти с перекрестными условиями
_amk для полинома памяти без перекрестных условий

Полиномиальные памятью коэффициенты оцениваются при помощи алгоритма метода наименьших квадратов или рекурсивного алгоритма наименьших квадратов. Алгоритм метода наименьших квадратов или рекурсивные алгоритмы наименьших квадратов использует уравнения полинома памяти выше для полинома памяти с или без перекрестных условий, заменяя {u (n)} с {y (n)/G}. Функциональный порядок и размерность матрицы коэффициентов заданы степенью и глубиной полинома памяти.

Для примера, который детализирует процесс точной оценки полиномиальных памятью коэффициентов и предварительного искажения входного сигнала PA, смотрите Характеристику Усилителя мощности с DPD для Уменьшаемого Искажения Сигнала.

Для фонового материала ссылки смотрите работы, перечисленные в [1] и [2].

Ссылки

[1] Морган, Деннис Р., Чжэнсян Ма, Джэехиеонг Ким, Михаэль Г. Цирдт и Джон Пэсталан. "Обобщенная Модель Полинома Памяти для Цифрового Предварительного искажения Усилителей мощности". IEEE^® Transactions на Обработке сигналов. Издание 54, Номер 10, октябрь 2006, стр 3852–3860.

[2] М. Шецен. Волтерра и винеровские теории нелинейных систем. Нью-Йорк: Вайли, 1980.

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Указания и ограничения по применению:

Смотрите системные объекты в Генерации кода MATLAB (MATLAB Coder).

Смотрите также

Системные объекты

comm.DPDCoefficientEstimator

Блоки

Темы

Характеристика усилителя мощности с DPD для уменьшаемого искажения сигнала

Документация

коммуникация. DPD

Описание

Создание

Синтаксис

Описание

Свойства

`PolynomialType` — Полиномиальный тип
`'Memory polynomial'` (значение по умолчанию) | `'Cross-term memory polynomial'`

`Coefficients` — Полиномиальные памятью коэффициенты
`complex([1 0 0 0 0; 0 0 0 0 0; 0 0 0 0 0])` (значение по умолчанию) | матрица

Использование

Синтаксис

Описание

Входные параметры

`\in` Введите основополосный сигнал
вектор-столбец

Выходные аргументы

`out` — Предварительно искаженный основополосный сигнал
вектор-столбец

Функции объекта

Примеры

Предварительно исказите входной сигнал усилителя мощности

Формат матрицы коэффициентов для цифрового полинома памяти перед искажением

Формат матрицы коэффициентов перекрестного термина для цифрового полинома памяти перед искажением

Больше о

Цифровое предварительное искажение

Ссылки

Расширенные возможности

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.

Смотрите также

Системные объекты

Блоки

Темы

Введенный в R2019a

Документация Communications Toolbox

Поддержка

Документация

коммуникация. DPD

Описание

Создание

Синтаксис

Описание

Свойства

PolynomialType — Полиномиальный тип 'Memory polynomial' (значение по умолчанию) | 'Cross-term memory polynomial'

Coefficients — Полиномиальные памятью коэффициенты complex([1 0 0 0 0; 0 0 0 0 0; 0 0 0 0 0]) (значение по умолчанию) | матрица

Использование

Синтаксис

Описание

Входные параметры

\in Введите основополосный сигнал вектор-столбец

Выходные аргументы

out — Предварительно искаженный основополосный сигнал вектор-столбец

Функции объекта

Примеры

Предварительно исказите входной сигнал усилителя мощности

Формат матрицы коэффициентов для цифрового полинома памяти перед искажением

Формат матрицы коэффициентов перекрестного термина для цифрового полинома памяти перед искажением

Больше о

Цифровое предварительное искажение

Ссылки

Расширенные возможности

Генерация кода C/C++ Генерация кода C и C++ с помощью MATLAB® Coder™.

Смотрите также

Системные объекты

Блоки

Темы

Введенный в R2019a

Документация Communications Toolbox

Поддержка

`PolynomialType` — Полиномиальный тип
`'Memory polynomial'` (значение по умолчанию) | `'Cross-term memory polynomial'`

`Coefficients` — Полиномиальные памятью коэффициенты
`complex([1 0 0 0 0; 0 0 0 0 0; 0 0 0 0 0])` (значение по умолчанию) | матрица

`\in` Введите основополосный сигнал
вектор-столбец

`out` — Предварительно искаженный основополосный сигнал
вектор-столбец

Генерация кода C/C++
Генерация кода C и C++ с помощью MATLAB® Coder™.